Google DeepMind 发布 Antigravity 化学信息学技能，加速药物发现流程

核心事实

Google DeepMind 于 11 月 3 日发布博客，介绍为 Google Antigravity 构建的一套化学信息学技能（Cheminformatics Skills）。据该文描述，这套技能把 Antigravity 变成一个可调用本地工具的科研工作台：底层语言模型负责工作流编排、数据库导航与科学推理，确定性的化学计算工具负责分子层面的运算。技能以开源化学信息学工具包 RDKit 为基础，并接入 ChEMBL 与 PubChem 的整理数据。

背景与影响

文章称，药物设计需要从图表、文献中整理数据、训练预测模型并提出候选分子，单次迭代通常要数天。DeepMind 以肺癌治疗药物为例演示：智能体检索数千个化合物、剔除缓冲液与溶剂等无关分子并记录来源，随后进行匹配分子对分析，并基于学习结果提出新的大环化合物及合成路线，整个过程约一小时。文中还提到，智能体可生成供 AlphaFold 或分子动力学模拟进一步分析的化合物。DeepMind 表示，这类技能的目标是让科学家把精力放在假设上，而不是数据整理。

限制与来源

上述时长与流程描述均来自 DeepMind 官方博客的演示，尚未见独立复现或第三方评测。该文未披露这套技能的开放范围、地区可用性、账号或语言支持，也未说明是否收费，相关细节需以 Google 官网当前信息为准。本文不构成任何投资或医疗建议。来源：deepmind.google 博客《Agentic cheminformatics with Google Antigravity》。